人工智能大模型全景分析

伴隨人工智能技術(shù)的加速演進，AI 大模型已成為全球科技競爭的新高地、未來產(chǎn)業(yè)的新賽道、經(jīng)濟發(fā)展的新引擎，發(fā)展?jié)摿Υ?、?yīng)用前景廣。近年來，我國高度重視人工智能的發(fā)展，將其上升為國家戰(zhàn)略，出臺一系列扶持政策和規(guī)劃，為AI大模型產(chǎn)業(yè)發(fā)展創(chuàng)造了良好的環(huán)境。當(dāng)前，通用大模型、行業(yè)大模型、端側(cè)大模型如雨后春筍般涌現(xiàn)，大模型產(chǎn)業(yè)的應(yīng)用落地將進一步提速。作為新一代人工智能產(chǎn)業(yè)的核心驅(qū)動力，AI大模型廣泛賦能我國經(jīng)濟社會的多個領(lǐng)域，打開邁向通用人工智能的大門，推動新一輪的科技革命與產(chǎn)業(yè)變革。

『制造前沿』本文將從定義、發(fā)展歷程、產(chǎn)業(yè)鏈、市場規(guī)模、應(yīng)用場景及區(qū)域布局等維度全景分析AI大模型。了解大模型，讀這一篇就夠了！

一、產(chǎn)業(yè)定義與分類

●定義

大模型指參數(shù)量超10億、具備跨任務(wù)泛化能力的深度學(xué)習(xí)模型（如NLP、CV、多模態(tài)），通過海量數(shù)據(jù)訓(xùn)練實現(xiàn)復(fù)雜任務(wù)處理。

●分類方式：

按輸入類型：語言大模型（NLP）、視覺大模型（CV）、多模態(tài)大模型。

按應(yīng)用層級：通用大模型（L0）、行業(yè)大模型（L1）、垂直場景大模型（L2）。

二、發(fā)展歷程

大模型的發(fā)展遵循“架構(gòu)突破→規(guī)模擴張→應(yīng)用爆發(fā)”的路徑，可分為四個階段：

1. 技術(shù)積淀（2017年前）

主要依賴RNN/LSTM架構(gòu)處理文本，存在計算效率低、難以處理長文本等瓶頸。模型規(guī)模較小，多為特定任務(wù)訓(xùn)練。

2. 范式開創(chuàng)（2017-2018）

- 2017年：Google提出Transformer架構(gòu)（核心是自注意力機制），解決了并行計算和長程依賴問題，成為所有大模型的基礎(chǔ)。

- 2018年：OpenAI發(fā)布GPT-1，Google推出BERT，確立了“預(yù)訓(xùn)練+微調(diào)”的新范式，大幅提升多項任務(wù)性能。

3. 規(guī)模競賽（2019-2022）

- 研究顯示，擴大模型規(guī)模（數(shù)據(jù)、參數(shù)、算力）能顯著提升性能。

- GPT-3（1750億參數(shù)）展現(xiàn)了驚人的上下文學(xué)習(xí)和“涌現(xiàn)能力”，推動千億級模型競賽。

- 開源模型（如BLOOM、LLaMA）興起，促進生態(tài)繁榮。

4. 應(yīng)用與智能體時代（2022年至今）

- ChatGPT（基于GPT-3.5）通過RLHF技術(shù)實現(xiàn)對齊人類意圖，引爆全球AI應(yīng)用浪潮。

- 多模態(tài)成為核心：GPT-4等模型融合圖像、文本等多維度信息。

- 重心轉(zhuǎn)向智能體（Agent）：模型能自主規(guī)劃、調(diào)用工具、完成復(fù)雜任務(wù)。

- 開源（DeepSeek、LLaMA）與閉源（GPT-4、Gemini）模型共同推動技術(shù)民主化與商業(yè)化。

三、產(chǎn)業(yè)鏈全景

大模型產(chǎn)業(yè)鏈可以劃分為基礎(chǔ)層、模型層、應(yīng)用層三大核心層級，以及貫穿各層的支撐服務(wù)。

圖 / 大模型生態(tài)關(guān)鍵要素

來源：大模型 2.0 產(chǎn)業(yè)發(fā)展報告

圖 / 產(chǎn)業(yè)鏈圖譜

來源：億歐智庫

01基礎(chǔ)層 (The Foundation Layer)

定位： 整個產(chǎn)業(yè)的“賣水人”和“軍火商”，提供訓(xùn)練和運行大模型所必需的底層資源。在大模型的發(fā)展過程中，數(shù)據(jù)、算力、算法和工具是大模型發(fā)展的基礎(chǔ)和支撐。AI訓(xùn)練芯片（英偉達/華為昇騰/寒武紀(jì)）、存儲芯片、服務(wù)器集群，占大模型成本40%以上。

●算力（硬件）

算力是大模型落地的物質(zhì)基礎(chǔ),大模型對算力的強需求推動異構(gòu)算力技術(shù)發(fā)展。據(jù)預(yù)測，2022-2027 年中國智能算力規(guī)模年復(fù)合增長率將達到33.9%，同期通用算力規(guī)模年復(fù)合增長率為 16.6%。我國智能算力需求的增長速度遠超過通用算力增加速度。

- AI芯片：提供訓(xùn)練和推理所需的計算能力。如英偉達（NVIDIA）的GPU（A100/H100）、AMD（MI300X）、英特爾（Intel）等。

- 國產(chǎn)算力：華為（昇騰）、寒武紀(jì)、海光信息等。

- 智算/超算中心：提供大規(guī)模集群算力服務(wù)。

●數(shù)據(jù)（燃料）：

訓(xùn)練集的質(zhì)量直接影響著大模型訓(xùn)練的成本與結(jié)果。隨著市場對大模型能力要求的不斷增加 , 對高質(zhì)量、精細(xì)化、定制化的數(shù)據(jù)需求日益凸顯。推動構(gòu)建高質(zhì)量數(shù)據(jù)的同時要加強數(shù)據(jù)治理。從企業(yè)來看，大部分企業(yè)的數(shù)據(jù)治理工作面臨著數(shù)據(jù)量龐大、數(shù)據(jù)種類繁多、數(shù)據(jù)管理效率低的挑戰(zhàn)，目前尚未出現(xiàn)通用、可靠的數(shù)據(jù)管理工具，數(shù)據(jù)治理僅是企業(yè)的單兵作戰(zhàn)。同時，加強數(shù)據(jù)治理也是保障國家安全、社會穩(wěn)定和公民權(quán)益的迫切需要。

- 數(shù)據(jù)集：多模態(tài)、高質(zhì)量的專業(yè)數(shù)據(jù)集提供商。

- 知識庫：行業(yè)知識庫、語料庫的構(gòu)建與治理。

●算法

算法是大模型的骨架。當(dāng)前大模型的主流架構(gòu)仍是Transformer，其推理過程的無法解釋性與結(jié)果的不可控性無法得到完全解決,未來融合檢索增強生成(即RAG)+ 知識圖譜的架構(gòu)或?qū)⒊蔀樾鲁绷鳌?/p>

圖/ LLM 進化圖

●云服務(wù)（平臺）：

- 公有云：AWS, Azure, Google Cloud, 阿里云，騰訊云等提供成熟的AI開發(fā)平臺和算力租賃服務(wù)。

- 私有化部署：為政企客戶提供本地化的算力解決方案。

02模型層 (The Model Layer)

定位： 產(chǎn)業(yè)的核心引擎，通過算法創(chuàng)新和訓(xùn)練，產(chǎn)出基礎(chǔ)模型。

●通用大模型：

通用大模型（General-Purpose Large Language Model）是一種通過在海量數(shù)據(jù)上訓(xùn)練、擁有龐大參數(shù)規(guī)模（通常達數(shù)十億至數(shù)萬億）的底層人工智能系統(tǒng)。它基于Transformer架構(gòu)，掌握了語言、知識及邏輯推理的通用能力，無需針對特定任務(wù)重新訓(xùn)練，即可通過自然語言交互完成各種開放域任務(wù)，如問答、創(chuàng)作、代碼生成和數(shù)據(jù)分析，成為推動人工智能應(yīng)用生態(tài)發(fā)展的核心引擎。

受到 GPT的沖擊，不少科技巨頭企業(yè)均嘗試以其自身的優(yōu)勢，構(gòu)建通用大模型。各家通用大模型在訓(xùn)練數(shù)據(jù)、參數(shù)量、訓(xùn)練框架、任務(wù)能力等方面互相比拼整體向更大參數(shù)、更高精度、更強能力方向發(fā)展。

- 閉源陣營：OpenAI（GPT系列）、Anthropic（Claude）、Google（Gemini）、百度（文心一言）、阿里（通義千問） 等。通過API提供服務(wù)，追求極致性能。

- 開源陣營：Meta（Llama系列）、Mistral AI、DeepSeek（深度求索）、智譜AI（GLM）、百川智能等。推動技術(shù)民主化和生態(tài)創(chuàng)新。

●行業(yè)/垂直大模型：

行業(yè)大模型是在通用大模型的基礎(chǔ)上，通過引入大量專業(yè)領(lǐng)域數(shù)據(jù)（如醫(yī)療、金融、法律或工業(yè)知識）進行深度訓(xùn)練和優(yōu)化而形成的垂直化AI模型。目前，制造、金融、醫(yī)療、游戲、法律、交通等行業(yè)均憑借各自獨特的場景需求，搭建了行業(yè)大模型。這些行業(yè)大模型的意義在于深入理解和滿足行業(yè)的特殊場景，為行業(yè)智能化、高效化發(fā)展提供有力支撐。如科大訊飛（星火醫(yī)療大模型）、恒生電子（金融大模型） 等。

●模型即服務(wù) (MaaS)：

模型即服務(wù)（Model-as-a-Service, MaaS）是一種云計算服務(wù)模式，它將訓(xùn)練好的人工智能模型（尤其是大模型）通過云端平臺以API（應(yīng)用程序接口）或特定工具的形式提供給開發(fā)者與企業(yè)用戶，使其無需自行構(gòu)建和維護昂貴的算力基礎(chǔ)設(shè)施及技術(shù)團隊，即可按需調(diào)用、集成并付費使用先進的AI能力，從而快速實現(xiàn)業(yè)務(wù)智能化升級。是模型層主要的商業(yè)化模式。

03 應(yīng)用層 (The Application Layer)

定位： 產(chǎn)業(yè)的價值出口，將模型能力與具體場景結(jié)合，直接面向用戶或企業(yè)解決問題。

● To B (企業(yè)服務(wù))：

- 辦公與效率：微軟Copilot、金山辦公WPS AI、釘釘/企微AI助手、Notion AI等。

- 金融：智能投顧、風(fēng)險控制、量化交易、智能客服。

- 工業(yè)與制造：AI質(zhì)檢、生產(chǎn)流程優(yōu)化、預(yù)測性維護。

- 醫(yī)療：輔助診斷、醫(yī)學(xué)影像分析、新藥研發(fā)。

- 教育：個性化學(xué)習(xí)助手、智能批改、虛擬教師。

● To C (消費者應(yīng)用)：

- 聊天與陪伴：ChatGPT、Claude、豆包、文心一言App等。

- 內(nèi)容生成（AIGC）：Jasper（文案）、Midjourney（繪畫）、妙鴨相機（照片）、Suno（音樂）等。

- 搜索與信息獲?。篘ew Bing、Perplexity、360AI搜索。

- 智能體（Agent）：能夠自主完成復(fù)雜任務(wù)的AI，如自動訂機票、規(guī)劃行程等。

04支撐服務(wù) (Supporting Services)

定位： 貫穿全產(chǎn)業(yè)鏈的“潤滑劑”，提升產(chǎn)業(yè)效率和安全性。

大模型的發(fā)展離不開堅實的保障措施，合規(guī)標(biāo)準(zhǔn)的建立是其發(fā)展的基礎(chǔ)支撐。在推進過程中，數(shù)據(jù)、模型、應(yīng)用的安全保障必須全面到位，同時倫理治理亦不容忽視，只有確保價值對齊，大模型才能實現(xiàn)可持續(xù)發(fā)展。

- 數(shù)據(jù)服務(wù)：數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)注、合成數(shù)據(jù)生成。

- MLOps：幫助企業(yè)高效地開發(fā)、部署、監(jiān)控和維護AI模型生命周期。

- 安全與合規(guī)：

- 內(nèi)容安全：識別和過濾有害內(nèi)容。

- 模型對齊（Alignment）：使模型行為符合人類價值觀和意圖。

- 審計與評估：對模型的性能、偏見、安全性進行第三方評估。

大模型產(chǎn)業(yè)鏈已形成“基礎(chǔ)資源-模型能力-場景滲透”的完整閉環(huán)，2025年競爭焦點從參數(shù)規(guī)模轉(zhuǎn)向場景滲透率與推理成本控制。

四、市場前景

大模型市場發(fā)展前景廣闊，無論是全球企業(yè)在生成式人工智能領(lǐng)域的支出趨勢，還是國內(nèi)大模型解決方案市場規(guī)模的增長態(tài)勢，都展現(xiàn)出強勁的發(fā)展?jié)摿?。?jù) 2024 年C 預(yù)計，到2028年全球人工智能支出將實現(xiàn)翻倍增長，2024-2028年內(nèi)以29.0%的年均復(fù)合增長率(CAGR)攀升至 6320億美元。企業(yè)對生成式人工智能技術(shù)的重視程度不斷提高。據(jù)統(tǒng)計，國內(nèi)大模型解決方案市場規(guī)模持續(xù)上升，預(yù)計到 2028 年 AI大模型解決方案市場規(guī)模將達 211 億元，未來大模型解決方案將為企業(yè)數(shù)智化轉(zhuǎn)型注入新活力。

企業(yè)對大模型的應(yīng)用需求快速升溫，大模型在諸多行業(yè)逐漸落地應(yīng)用，形成了以頭部企業(yè)和頭部場景為引領(lǐng)的頭雁效應(yīng)。根據(jù)2024年公開的大模型中標(biāo)信息統(tǒng)計顯示，中標(biāo)項目數(shù)量和金額是2023年的十倍之多，且項目數(shù)量平均每月以 40%的速率增長。從采購方企業(yè)看，近六成為大型央國企，以運營商、金融和能源三大行業(yè)為主中標(biāo)項目金額超過總金額的一半。從場景分布看，高附加值場景更為集中，大模型應(yīng)用場景呈現(xiàn)微笑曲線分布，“兩端快、中間慢”特征明顯。在研發(fā)設(shè)計、營銷運營等高附加值場景率先發(fā)力，該類場景的應(yīng)用價值更加明確，可有效減少人力投入，實現(xiàn)降本增效，而中部的生產(chǎn)制造等低附加值場景因落地路徑不清晰、投入產(chǎn)出不明確等因素但這也恰恰是大模型落地應(yīng)用的藍海。

圖 / AI 應(yīng)用產(chǎn)業(yè)鏈分布圖

來源：中國信通院

五、競爭格局

全球 AI技術(shù)呈現(xiàn)多極化競爭態(tài)勢，美國、中國、歐洲等國家和地區(qū)通過大型模型研發(fā)與政策扶持爭奪主導(dǎo)權(quán)。如，美國企業(yè) OpenAI、谷歌和 xAI公司持續(xù)推出 GPT、Gemini及 Grok 等系列模型，提升多模態(tài)能力與計算效率；中國企業(yè)月之暗面的 Kimi、字節(jié)的豆包騰訊的混元以及阿里的通義系列等模型表現(xiàn)出顯著競爭力，尤其是深度求索公司 DeepSeek發(fā)布的開源模型以高性價比引發(fā)關(guān)注；法國 Mistral 公司推出高速生成的開源助手 Le Chat成為“歐洲之光”。與此同時，各國政策支持力度持續(xù)加大，如美國"星際之門"項目計劃投資5000 億美元建設(shè) AI基礎(chǔ)設(shè)施，歐盟則通過"投資人工智能"倡議調(diào)動 2000 億歐元推動超級工廠建設(shè)。